R语言实现密度聚类

Posted 2021-04-18 数据分析艺术

本文主要介绍基于密度的聚类算法——DBSCAN算法，该算法可以在具有噪声的空间数据库中发现任意形状的簇。该方法将“簇”看作是数据空间中低密度区域分割开的“稠密区域”，即相连样本点的最大集合。

1 在R中实现该算法的为fpc包中的函数dbscan()。基本格式如下：

dbscan(data, eps, MinPts = 5, scale = FALSE, method = c("hybrid", "raw",    "dist"), seeds = TRUE, showplot = FALSE, countmode = NULL)

其中,data表示待聚类数据集或者距离矩阵；eps为划分样本点的半径；MinPts为密度半径;scale表示是否标准化;method中"hybrid"表示data为距离矩阵,"raw"表示data为原始数据；dist表示data为原始数据集且计算局部聚类矩阵；showplot表示是否输出聚类结果示意图。

首先安装并加载该软件包。

install.packages("fpc")

library(fpc)

2  读取数据集。

Tourism_shares=read.csv("Tourism_shares.csv",head=T,encoding="utf-8") #读取数据集

head(Tourism_shares)#查看数据前几行

dim(Tourism_shares)#查看数据维度

3  通过不断调整eps和Minpts参数，查看聚类结果，直到border(噪声点)最少。

ds1=dbscan(na.omit(Tourism_shares[,3:6]),eps=2,MinPts=2);ds1

ds2=dbscan(na.omit(Tourism_shares[,3:6]),eps=3,MinPts=3);ds2

#计算距离之后的聚类

ds3=dbscan(dist(na.omit(Tourism_shares[,3:6])),eps=4,MinPts=2);ds3

上面的结果分别把样本分为了6类、2类、4类。

4  绘制聚类效果图。上述算法训练中，ds2的噪声点最少。从图形中可以看到聚类效果。

plot(ds2,na.omit(Tourism_shares[,3:6]),main="raw;eps=3,MinPts=3 ")